tf.keras.layers.TimeDistributed

Этот обертка позволяет применять слой к каждому временной срезу входных данных.

Наследуется от: Wrapper

tf.keras.layers.TimeDistributed(
    layer, **kwargs
)

Входные данные должны быть как минимум 3D, а размерность индекса один будет рассматриваться как временная размерность.

Рассмотрим пакет из 32 образцов, где каждый образец представляет собой последовательность из 10 векторов по 16 измерений. Формат входных данных для слоя в пакете тогда (32, 10, 16), а input_shape, не считая размерность образцов, составляет (10, 16).

Затем вы можете использовать TimeDistributed для применения Dense слоя к каждому из 10 временных шагов независимо:

# as the first layer in a model
model = Sequential()
model.add(TimeDistributed(Dense(8), input_shape=(10, 16)))
# now model.output_shape == (None, 10, 8)

Вывод будет иметь форму (32, 10, 8).

В последующих слоях нет необходимости в input_shape:

model.add(TimeDistributed(Dense(32)))
# now model.output_shape == (None, 10, 32)

Вывод будет иметь форму (32, 10, 32).

TimeDistributed может использоваться с произвольными слоями, а не только с Dense, например, со слоем Conv2D:

model = Sequential()
model.add(TimeDistributed(Conv2D(64, (3, 3)),
                          input_shape=(10, 299, 299, 3)))

Аргументы вызова:

• inputs: Входной тензор.
• training: Булево значение Python, указывающее, должен ли слой работать в режиме обучения или в режиме вывода. Этот аргумент передаётся в обернутый слой (только если слой поддерживает этот аргумент).
• mask: Двоичный тензор формы (samples, timesteps), указывающий, должен ли быть замаскирован данный временной шаг. Этот аргумент передаётся в обернутый слой (только если слой поддерживает этот аргумент).